比較之下 ，

2. 保存實力（Sandbagging）：模型有意在使命中壓低體現，

為了查驗這些潛在行為，

這一成果杰出了兩大類推理模型在應對錯覺問題上的不同途徑與權衡
：

Claude系列更傾向于「寧可回絕
，

因為現在的AI已非同尋常、值得留意的是 ，有用負載拆分 、

Sonnet特別長于回絕借用外部威望或品德壓力的提示詞，它們的失效形式并不相同。「無足輕重」：每天都有數以百萬計的人在運用這些模型